DeepSeek 向新发布的 Flash 提出了一个颇具深意的问题：能否取代 Pro？随着 V4.1 Flash 内测开启，新模型结构、原生多模态及更快的速度成为卖点。但配套问卷中，DeepSeek 直接发问：“你觉得这个模型能全面取代线上的 DeepSeek V4 Pro 吗？”这无疑是一记“打脸”。DeepSeek 正在测试 Flash 在效果上是否能超越 Pro，从而将更廉价、更适合大规模调用的模型推向主流。Pro 与 Flash 之间本就存在显著的价格差——目前高峰时段，Flash 每百万输出 Token 收 9 元，Pro 则收 27 元。然而就在不久前，DeepSeek 在开放平台宣布下调 Flash 系列价格：9 月 10 日中午起，空闲时段每百万 Token 的缓存命中输入降至 0.02 元，未命中输入降至 1 元，输出降至 4 元；高峰价格仍为空闲时段的两倍。三项降幅分别达到 60%、约 33% 和约 11%。新 Flash 尚在测试能否接替 Pro，Flash 系列的使用门槛已先行降低。开发者可选择偶尔使用 Pro 以获得更佳结果，但在日常使用中，那些“可用可不用的”环节，Flash 的必要性便凸显出来。DeepSeek 旨在让新版本兼具两者的长处：Flash 快，Pro 强，而 V4.1 Flash 则要做到又快又强。
### 一、“智能密度”开始重要
R1 在 2025 年初走红时，其吸引力在于这种高水平推理终于变得容易获得。DeepSeek 同时开放了模型权重，将 R1 纳入官网、App 和 API，普通用户只需开启“深度思考”即可使用，开发者甚至能利用其输出蒸馏模型。高水平推理不再局限于少数实验室，它已进入聊天窗口，也融入了其他公司的产品开发。2025 年 5 月，DeepSeek 更新 R1 时，将“思考更深”作为最重要的进步。在 AIME 2025 测试中，旧版 R1 平均每题使用约 1.2 万个 Token，新版增至 2.3 万；准确率也从 70% 提升至 87.5%。此次更新虽让 R1 答得更准，但平均每题的推理消耗也接近翻倍。这套逻辑有理可循：面对没有现成答案的难题，模型需尝试方法、检查步骤、发现错误后重新计算。只要结果值得，额外的等待便可以被接受。但在 2025 年 12 月发布的 V3.2 报告中，DeepSeek 对自己提出了另一项要求：提高推理链的“智能密度”。原因很明确：为了达到 Gemini 3.0 Pro 等模型的输出质量，通常需要生成更长的推理过程。输出的等待时间变得至关重要，这既体现在速度上，也体现在每次的费用里。这一问题在大小模型的分工中会更加突出。V4 早期模型卡提到，Flash 在给予更多思考预算后能获得接近 Pro 的推理表现，但在知识和最复杂的 Agent 工作流上仍落后。小模型每一步计算更便宜，却可能需要更多步才能得到大模型的结果。开发者最终能省下的单价优势有多少，取决于任务究竟怎样完成。因此，Flash 要替代 Pro，需要同时改善能力和效率。更快生成冗长的推理能减少一部分等待；更早找到有效方法则可能省去后续计算。这对经常使用 AI 的人来说同样重要。学界已开始将用户等待时间纳入优化目标。EMNLP 2025 的一项研究指出，计算量最优的测试时扩展方案并不一定带来最低延迟；研究者需重新安排并行计算和推测解码，才能在限定时间内取得更好结果。DeepSeek 也已在改造生成速度。团队在 7 月公开的 DSpark 论文中报告，在 V4-Flash 线上用户流量下，相比 MTP-1 基线、保持相同吞吐水平时，单用户生成速度提升了 60% 至 85%。团队处理的是推测解码中的验证浪费，让用户更快拿到输出，同时顾及整套服务能承接的请求量。这对提供 API 的 DeepSeek 至关重要。请求更快结束，只有在没有严重牺牲总体服务能力时，才容易有效。开发者需要等待更短，DeepSeek 则需要让同一批计算资源更有效地服务用户。“能否解决问题”和“用户是否愿意等待解决问题”，开始成为两道不同的考题。它们也对应两种市场。研究人员可以为难题投入大量计算，日常使用的助手则必须不断响应新请求。前一种能力向前推进之后，厂商还得把它做成后一种服务，才有机会获得更大规模的使用。DeepSeek 在报告中提出的智能密度，最终会在这里接受检验：原先需要昂贵模型、长时间计算才能完成的任务，能否逐渐变成普通调用。
### 二、Agent 完成工作需算成本
内测当天，LINUX DO 用户“觉浅”恰好有一个停机维护页面要做，于是将新 Flash 接入编程工具。模型的表现让他惊喜：它读到了项目规范中一条早已弃用却未删的决策记录要求，还认真列出了文档维护、代码提交和审查安排。页面生成后，他提出风格不要与原项目割裂，模型又找出了仓库已有的插画进行修改。他对模型的执行能力很满意，但觉得贵：做完这个维护页面，花了 15.5 元。这也是 Agent 和普通聊天不同的地方。用户只交代一项工作，模型却可能在后台运行很多轮：先读项目规范，再查文件、改代码，拿到工具返回的结果后继续检查。每轮调用都可能产生新的输入和输出费用。模型单价低，不代表整项工作一定便宜。要让 Agent 用起来划算，除了降低模型单价，还得检查这些调用有没有必要。有些步骤需要模型判断，有些只是按既定规则读取、筛选和整理材料。如果后者也要一步步交回模型，就会增加调用和等待，中间结果还会不断占用上下文。DeepSeek 开源的 Harness，就能参与安排这套执行流程。DeepSeek 官网用“Agent = Model + Harness”解释两者的关系：模型负责判断，Harness 提供工具、管理会话和运行环境，让模型的决定变成实际操作。其中的 PTC 模式，允许模型一次写出一段程序，把多步工具操作串起来。例如，模型需要从一批文件里找出符合条件的内容，可以让程序批量读取、完成筛选，再把相关结果交回来。模型不必读完每份文件后都重新决定下一步，也不必接收全部原始内容。这样有望省下的是完成任务过程中的反复调用与无用输入。DeepSeek 在 PTC 的官方设计记录中，也将这两类开销列为需要解决的问题。对开发者来说，最终要比较的是同样一项工作能否做好，以及做完之后的总账单。这里有机会省下模型不必反复参与的过程。对于已知处理方式的材料，程序可以执行完整流程，模型再针对留下的信息作判断。DeepSeek 对重复计算的处理，也能往前追溯。V3.2 报告曾指出，在连续工具交互中丢弃已有推理，会迫使模型重新分析整个问题。因此，团队调整了上下文管理，让此前的推理能够在这一过程中保留。从模型如何思考，到工具如何执行，效率损失已经不能只在模型参数里寻找。Harness 还记录提示、工具调用及结果，让开发者能够回看任务，检查重复处理和执行失败发生在哪里。8 月 10 的一项官方开发记录显示，DeepSeek 修正了极简模式的工具与提示词配置，让它使用与强化学习运行环境一致的持久 Bash，以保留连续操作的工作状态。这种细节解释了模型公司为何还要做执行框架。模型学会了如何使用工具，实际运行时也得有合适的工具和环境。DeepSeek 将其中一套明确的运行方式开放出来，应用开发者就多了一个可以直接采用、检查和修改的参照。这些改进逐渐汇到同一项工作中：服务端加速生成，模型减少重复推理，执行框架减少不必要的调用。过去是用户盯着 AI 想，现在还得让 AI 持续工作而不把费用和等待放大。
### 三、日常模型往上走，旗舰就得解决更难的问题
DeepSeek 并不是唯一一家重新安排高端能力的模型公司。7 月 24 日，Anthropic 发布 Opus 5，主打以 Fable 5 一半的价格提供接近其前沿水平的能力，并将其设为 Claude Max 的默认模型。Anthropic 甚至直接用“每项任务的成本”来介绍 Fable。在官方 CursorBench 3.2 测试中，最大思考强度下的 Opus 5 接近 Fable 5 的最高成绩，任务成本约为一半。Cursor 联合创始人 Sualeh Asif 在同一份发布材料中，将其概括为以 Opus 的速度和成本，提供接近 Fable 的智能。这与 DeepSeek 的方向无限相似：一旦高端能力可以更便宜地提供，原来的价格分层就需要重新校准。Fable 和 Astra 的定位，可以为下一代 Pro 提供一个参照。Anthropic 把 Fable 放在耗时数小时、跨越多个应用，乃至持续多日的编程任务中；OpenAI 则将 GPT-6 Astra 定位于最困难的端到端工作，覆盖复杂推理、编程、研究和文档制作。这类旗舰模型争取的是用户愿意交出更多时间和预算的复杂工作。用户给出目标，模型需要自行拆解任务、调用工具、检查结果，并在遇到问题后继续推进。它的价值，要由最终完成的工作来证明。高端型号需要承担更完整的责任。用户交给它一个任务，期待拿回能够检查、能够使用的结果。模型要能保持方向、使用工具，在失败后继续推进，而不是每过几步就要求用户接管。从这里看未来的 DeepSeek Pro，一个合理的猜想是：如果 Flash 真能承担现在 Pro 的大量工作，下一代 Pro 就可以把更多计算投入更困难、更长的任务，争取 Astra、Fable 所代表的产品位置。要是需要足够时间思考，得出的结果就要足够优秀。这也解释了为什么原生多模态和 Harness 会变得重要。一个需要独立完成工作的模型，迟早要读到图表、看到页面，判断自己做出的界面是否符合要求。只会处理文本、只能给出建议，会限制它能够接手的工作。早在 4 月发布 V4 预览版时，DeepSeek 就明确提到针对 Claude Code、OpenClaw、OpenCode、CodeBuddy 等 Agent 产品进行适配，展示的成果中包括生成的 PPT 页面。模型已经在进入具体工具中的代码与文档工作。现在，新 Flash 在更新结构和多模态能力，Harness 在调整执行方式。把这些动作放在一起，DeepSeek 要提高的效率，已经覆盖从一次推理到一项任务的过程。对 DeepSeek 来说，提高效率有两种回报。减少完成任务所需的计算，可以降低成本；在相同等待时间里完成更多有效推理，则有机会解决更难的问题。后者会让“深度思考”继续向前，前者则决定这些进步能走进多少人的日常。V4.1 Flash 目前仍是中间版本，全面替代 Pro、推理链变短和下一代 Pro 的定位，都还需要后续结果验证。本文引用的 DSpark 提速属于此前 V4 服务的测试，不能直接算作此次更新的成绩。不过，下一轮竞争要回答的问题已经变了。Flash 要让更多这样的工作变得划算。Pro 要找到更多值得等待的工作。